Biblioteka filtra antyspamowego Node.js
npm install spamscannerimport SpamScanner from 'spamscanner';
const scanner = new SpamScanner();
const result = await scanner.scan(rawMessage);
if (result.isSpam) {
console.log(result.score, result.tests.map(test => test.name));
}scan() przyjmuje Buffer, string, Uint8Array lub strumień do odczytu, więc strumień SMTP z smtp-server można przekazać bezpośrednio. CommonJS działa z require('spamscanner'), a typy TypeScript są dołączone.
Z smtp-server#
import {SMTPServer} from 'smtp-server';
import SpamScanner from 'spamscanner';
const scanner = new SpamScanner({authentication: true});
const server = new SMTPServer({
async onData(stream, session, callback) {
const result = await scanner.scan(stream, {
session: {
remoteAddress: session.remoteAddress,
helo: session.hostNameAppearsAs,
envelope: session.envelope,
},
});
if (result.action === 'reject') {
return callback(Object.assign(new Error('Message rejected as spam'), {responseCode: 451}));
}
callback();
},
});Co mówi wynik#
Każdy wynik ma punktację, akcję (accept, tag lub reject) i testy, które zadziałały, każdy z punktami i powodem. Szczegółowe wyniki obejmują prawdopodobieństwo według klasyfikatora i jego najsilniejsze wskazówki, każde ustalenie dotyczące phishingu i załączników, wyniki uwierzytelnienia oraz język.
Uczenie#
await scanner.learn(rawMessage, 'spam');
scanner.saveModel('./model.json');
const trained = new SpamScanner({classifier: './model.json'});Więcej#
- Serwery też są eksportowane:
MilterServer,createHttpServer,createSpamdServer. - Modele językowe:
new SpamScanner({llm: {provider: 'ollama', model: 'qwen3.5:4b'}}). - Przetestowany na Node.js 18, 20, 22 i 24, ze 100% pokryciem testami.